一种较为便捷的快排写法

代码思维:

通过设定哨兵a[low],从a[low+1]到a[high]依次与a[low]进行比较,最终目的是使哨兵左边部分元素都比哨兵元素小,右边部分元素都比哨兵元素大。然后对左右两部分分别进行递归调用,最终实现所有元素的排序。

PS:此处是通过自增指针cur,将low之后比哨兵元素小的元素全部交换到前面部分,之后交换哨兵元素与cur指针所指元素,使得哨兵元素左边部分元素值都比哨兵元素小,右边部分元素值都比哨兵元素大,从而实现快排函数。

/*******快排******/
#include <stdio.h>
#include<stdlib.h>
void QuickSort(int *a,int low,int high);
void swap(int *a,int *b);
int main()
{
	int a[10]={2,3,0,4,6,3,9,2,11,1};
	QuickSort(a,0,9);
	printf("After:\n");
	int i;
	for(i=0;i<=9;++i)
		printf("%d ",a[i]);
	printf("\n");
	return 0;
}
void QuickSort(int *a,int low,int high)
{
	if(high<low)
		return;
		
	int cur=low,i;
	for(i=low+1;i<=high;++i)
	{ 
		if(a[i]<a[low])
			swap(&a[++cur],&a[i]);	
	} 
	swap(&a[cur],&a[low]);
	QuickSort(a,low,cur-1);
	QuickSort(a,cur+1,high);
}

void swap(int *a,int *b)
{
	int temp=*a;
	*a=*b;
	*b=temp;			
}


 

 

以下是另一种使用最小二乘法的线性模型的写法: ```python import numpy as np import pandas as pd import matplotlib.pyplot as plt from scipy.optimize import curve_fit # 读取数据 data = pd.read_csv('data.csv') data['time'] = pd.to_datetime(data['time'], format='%Y-%m') data['xiaoliang'] = data['xiaoliang'].astype(int) data = data.set_index('time') data = data.sort_index() # 定义线性模型 def linear_model(x, a, b): return a * x + b # 使用最小二乘法拟合线性模型 popt, pcov = curve_fit(linear_model, np.arange(len(data)), data['xiaoliang']) # 计算拟合结果 forecast = linear_model(np.arange(len(data), len(data) + 12), *popt) # 绘制拟合图像 idx = pd.date_range(start=data.index[-1], periods=12, freq='M') forecast = pd.Series(forecast, index=idx) plt.figure(figsize=(9.62,8.62)) plt.plot(data, label='Original Data') plt.plot(forecast, label='Forecasted Data') plt.xlabel('日期', fontproperties=font, fontsize=16) plt.ylabel('销量', fontproperties=font, fontsize=16) plt.title('销量变化', fontproperties=font, fontsize=16) plt.xticks(fontproperties=font, fontsize=14) plt.yticks(fontproperties=font, fontsize=14) plt.savefig('extract.png', dpi=300) ``` 这里使用了`curve_fit`函数进行最小二乘法拟合,其中`linear_model`函数定义了线性模型,`popt`存储了最佳拟合参数,`pcov`存储了拟合参数的协方差矩阵。拟合结果可以直接使用线性模型计算得到,然后绘制拟合图像即可。这种写法和前面的写法基本相同,只是使用了不同的函数库。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值